| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 金融数据技术分析研究现状 | 第14页 |
| 1.2.2 投资组合策略研究现状 | 第14-15页 |
| 1.2.3 模糊理论研究现状 | 第15-18页 |
| 1.3 本文的研究内容 | 第18页 |
| 1.4 论文组织结构 | 第18-21页 |
| 第2章 相关知识和理论 | 第21-31页 |
| 2.1 传统金融数据技术分析方法 | 第21-22页 |
| 2.2 模糊理论相关知识 | 第22-27页 |
| 2.2.1 模糊集合及其基本运算 | 第22-24页 |
| 2.2.2 模糊逻辑与近似推理 | 第24-25页 |
| 2.2.3 模糊系统 | 第25-27页 |
| 2.3 神经网络相关知识 | 第27-30页 |
| 2.3.1 人工神经元模型 | 第27-28页 |
| 2.3.2 神经网络的分类 | 第28-29页 |
| 2.3.3 神经网络的学习方法 | 第29页 |
| 2.3.4 神经网络的学习规则 | 第29-30页 |
| 2.3.5 BP网络 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于金融技术分析的投资预测模型 | 第31-38页 |
| 3.1 技术分析三大假设 | 第31-32页 |
| 3.2 单只股票投资预测模型 | 第32-36页 |
| 3.2.1 模糊推理机制 | 第33-34页 |
| 3.2.2 考虑社会网络因素的股票行业关系模型 | 第34-36页 |
| 3.3 组合投资预测模型 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于模糊理论的股票投资算法 | 第38-56页 |
| 4.1 基于波动率和利润率的投资算法(FSPVIS) | 第38-43页 |
| 4.1.1 FSPVIS模型设计 | 第38-42页 |
| 4.1.2 FSPVIS的投资策略 | 第42-43页 |
| 4.2 基于社会网络的复合投资策略算法(NN-FSPVIS) | 第43-45页 |
| 4.2.1 股票行业关系模型参数学习 | 第43-45页 |
| 4.2.2 NN-FSPVIS的投资策略 | 第45页 |
| 4.3 实验及性能评估 | 第45-54页 |
| 4.3.1 参数对比实验 | 第47-50页 |
| 4.3.2 与其他方法比较 | 第50-53页 |
| 4.3.3 系统讨论与优点 | 第53-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 多目标模糊投资组合策略 | 第56-66页 |
| 5.1 传统投资组合选择模型 | 第56-58页 |
| 5.2 基于FSPVIS模型的多目标投资组合模型 | 第58-63页 |
| 5.2.1 基于模糊多目标理论的投资组合模型优化 | 第59-63页 |
| 5.2.2 组合投资策略 | 第63页 |
| 5.3 实验及性能评估 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 附录A 发表论文情况说明 | 第74-75页 |
| 附录B 科研情况说明 | 第75-76页 |
| 致谢 | 第76页 |